Weka新手文章（一）

最新推荐文章于 2023-09-16 17:55:31 发布
VIP文章 最新推荐文章于 2023-09-16 17:55:31 发布
阅读量4k 收藏 3
点赞数
分类专栏： 未归类 文章标签： sql server sqlserver jdbc 数据库 database jdk
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/popozhu/article/details/5650246
版权

数据仓库，数据分析，不涉及商业方面的高层决策之用，故本篇文章只适合初学数据仓库，为了完成老师作业，且想用weka做简单数据挖掘之用的童鞋。

 

weka版本是3.6.2，数据库库是SQL Server 2005，没办法，老师提供的几万条数据保存在excel表中，如果从excel转为csv格式，再从weka中导入该csv文件，涉及到格式的转换，很是麻烦～况且几万条数据，不可能一条一条去检查它们的格式，故思路是，先在sql server中建立一个数据库（db_ppz），把csv中的几万条数据导入到数据库db_ppz中，再从weka中连接sql server读取数据，速度还可以啦～～

 

weka下载地址：一个是自带了jdk，一个没带jdk，文件体积少点。。。

http://www.cs.waikato.ac.nz/~ml/weka/

 

 

是的，weka连接数据库也是有点麻烦的，但网上教程还是不少，下面链接整理得很好（但偶有简便改进方法～～）

http://blog.csdn.net/senaku/archive/2008/03/28/2225943.aspx

最低0.47元/天 解锁文章
popozhu
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
【数据挖掘大作业】基于决策树的评教指标筛选（weka使用手册+数据+实验报告）
06-19
现有某高校评教数据(pjsj.xls)，共计842门课程，属性包括：课程名称、评价人数、总平均分以及10个评价指标Index1-Index10。以此为研究数据，利用数据挖掘的技术实现评价指标的筛选，即从10个指标中剔除对教学评价无用的指标。具体实现的内容应至少包括以下几个方面但不限于： （1）数据描述：利用盒图对每个指标数据进行描述性分析，画出10个指标的盒图：标注孤立点（如有）、最小值、Q1、中位数、Q3、最大值； （2）数据预处理：将每个连续型指标数据离散化为三个区间，级别从高到低分别为Excellent（用“E”表示）、Good（用“G”表示）、Fair（用“F”表示）；将总平均分离散为“A”、“B”、“C”三个等次，作为每门课程的类标签； （3）模型构建与评估：利用决策树算法对上述数据进行分类，构建决策树并进行性能评估：包括Recall（召回率）、Precision（精度）、F1和Accuracy（准确率）； （4）结果讨论：对研究结果（剔除的指标，即未出现决策树中的指标）进行讨论分析； （5）总结与展望：对全文研究过程进行总结并指出存在的不足或努力方向。
学习weka（4）：weka之experimenter界面介绍
蓝亚之舟的博客
03-26 1840
前言 如上图所示，之前我们介绍了 Explorer 界面，说实话，对于一般的机器学习研究，尤其是工程性质的项目，我觉得 Explorer 应用就足够了（其他功能没看的前提下），毕竟数据加载，算法选择，特征选择，数据可视化，算法运行等功能已经足够齐全了。 但是，这个功能只占据了 weka 五分之一，这就让我十分好奇，其他应用究竟是什么功能呢？让我们来看一下。 1、简单介绍 简单来说，experimenter 完成的功能有如下几个： 支持多个算法对多个数据集进行运算 支持分布式运算 Explorer 应用
cannot resolve xxx 解决方法
liutianxiazhendehao的博客
04-29 3014
从git上拉了一个新项目，maven仓库都配置的没问题，但是无法从中央仓库里面download jar包， 报cannot resolve错误 经排查发现 打勾说明处于离线状态，所以无法从中央仓库中下载代码。 解决方法：把打勾去掉，这样就可以从中央仓库下载代码了 ...
Weka教程，使用Weka进行简单的分类和聚类
weixin_46039606的博客
04-22 9084
对于Percentage split选项，当你的数据集没有测试集时，可以通过设置右侧的数字来将你的数据集分为训练集和测试集，图中的数字为66，其代表将数据集66%的数据作为训练集，其余34%的数据作为测试集。3，找到自己Weka的安装目录，进入data文件夹，选择自己需要分类的数据集，当然也可以是外部数据集，但文件需要是arff类型文件，其它文件类型如何转为arff类型可参考。1，前面的操作和上面分类操作的步骤一样，导入数据集后进入到聚类的界面，需要注意的地方在下图中进行了标注。
〖数据挖掘〗weka3.8.6的安装与使用
码银的博客
05-08 4098
Preprocess：预处理Classify：分类Cluster：聚类Associate：关联Select attributes：选择属性Visualize：可视化open file：从文件中打开一组实例open URL：从URL中打开一组实例open DB：从数据库中打开一组实例generate：生成人工数据undo：撤销对数据集最后更改edit：在查看器中打开当前数据集进行编辑save：将工作关系保存到文件中属性ALL：全选None：全不选。
数据挖掘-WEKA实验报告一.pdf
07-14
数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf
weka笔记第一讲
08-23
exploring the explorer。Exploring datasets。building a classifier。Using a filter。visualizing your data。
WEKA中文教程
05-09
WEKA中文教程WEKA中文教程WEKA中文教程WEKA中文教程WEKA中文教程WEKA中文教程
初试weka数据挖掘
02-03
Weka的全名是怀卡托智能分析环境（WaikatoEnvironmentforKnowledgeAnalysis），是一款免费的，非商业化的，基于Java环境下开源的机器学习以及数据挖掘软件，它和它的源代码可在其官方网站下载。有趣的是，该软件的...
使用Weka进行数据挖掘
02-03
Weka的全名是怀卡托智能分析环境（WaikatoEnvironmentforKnowledgeAnalysis），是一款免费的，非商业化的，基于JAVA环境下开源的机器学习以及数据挖掘软件。它和它的源代码可在其官方网站下载。有趣的是，该软件的...
weka下载与使用
TwcatL_tree
11-26 1627
数据文件加载后，在 Current relation 选项组下面，可以看到 Attributes （属性）选项组，下面是数据文件所包含的属性，前方方块复选框可单击对属性进行选择，再次单击取消选中。数据文件加载后，在 Current relation 选项组下面，可以看到 Attributes （属性）选项组，下面是数据文件所包含的属性，前方方块复选框可单击对属性进行选择，再次单击取消选中。弹出Viewer对话框，以二维表的形式展示数据，可以查看并编辑，如对缺失的数据进行填充或删除，或者增加实例。
【端到端存储解决方案】Weka，让企业【文件存储】速度飞起来！
hongcloudtech的博客
11-24 830
虹科Weka，一个可扩展、分布式、可共享的端到端存储解决方案，可以让企业的【文件存储】速度飞起来！
WEKA使用教程(经典教程！！！)
TwcatL_tree
11-26 5030
WEKA使用教程目录 1. 简介 2. 数据格式 3.数据准备 4. 关联规则（购物篮分析） 5. 分类与回归 6. 聚类分析 1. 简介 WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过http://www.cs.waikato.ac.nz/ml/weka得到。同时weka也是新西兰的一种鸟名，而WEKA的主要开发者来自新西兰。 WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习
WEKA入门基础
最新发布
2302_77603516的博客
09-16 268
WEKA基础界面介绍
Weka安装及简单应用
热门推荐
qq_38549200的博客
09-12 3万+
因为前段时间上课有接触WEKA这个软件 ，写了一个实验报告，特此把它贴出来，希望能对大家有所帮助~ 一、Weka介绍 1、Weka简介 Weka是怀卡托智能分析环境(Waikato Environment for Knowledge Analysis)的英文字首缩写，在该网站可以免费下载可运行软件和源代码，还可以获得说明文档、常见问题解答、数据集和其他文献等资源。Weka是新西兰怀卡托大学用...
WEKA使用教程(经典教程转载)
u013455341的专栏
05-26 777
WEKA使用教程 目录  1. 简介 2. 数据格式 3.数据准备 4. 关联规则（购物篮分析） 5. 分类与回归 6. 聚类分析 1. 简介  WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过http://www.cs.waikato.ac.nz/ml/weka得到。同时we
Weka简单介绍与最新详细简单安装以及环境变量配置
rothschild666的博客
09-17 4819
一、Weka简单介绍 Weka的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），是一款免费的，非商业化（与之对应的是SPSS公司商业数据挖掘产品–Clementine ）的，基于JAVA环境下开源的机器学习（machine learning）以及数据挖掘（data mining）软件。它和它的源代码可在其官方网站下载。有趣的是，该软...
【机器学习】Weka数据集文件形式.arff
杨小浩浩的博客
06-28 3398
@@
数据挖掘工具weka之weka包的安装
qq_27052367的博客
07-06 3825
本文重点介绍weka包的安装，Weka 3.7.2 引入了对包的支持，使得扩展 Weka 变得容易，而无需重新编译或修补底层 Weka 安装。weka包有两种，一种称为offical，一种称为unofficial，官方包可以在weka菜单栏中选择Tools->Package manager中进行安装，非官方包可以在其他专门的网站进行下载安装，本文将详细介绍两种包的安装方式。.........
python weka
09-03
Python Weka 是一种用于在Python中调用Weka数据挖掘工具的方法。要在Python中使用Weka，可以使用Jython，它是100%用Java实现的Python，并可以无缝嵌入到Java平台中。通过Jython，可以调用Weka的丰富的Java API来进行数据挖掘任务。 在Python中，可以使用python-weka-wrapper3这个库来实现Python与Weka之间的集成。该库提供了一些示例和搭建环境的方法，使得在Python中使用Weka更加方便。通过这个库，可以运行Weka分类器、进行数据集转换和缩放等操作。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [在Python中使用Weka](https://blog.csdn.net/weixin_30832351/article/details/94889557)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [mac下weka学习和python调用](https://blog.csdn.net/u012949658/article/details/108857539)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [pyWeka:使用 Python 脚本运行所有 Weka 分类器（CSV 到 ARFF 转换器、数据集缩放、多个类、格式化结果等）](https://download.csdn.net/download/weixin_42123456/19989469)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值